混沌激光广泛应用于安全保密通信、高精度激光雷达和高速物理随机数生成等众多领域。外光反馈半导体激光器因其结构简单和动力学特性丰富等优势成为混沌激光产生的首选光源。然而,随着对光反馈半导体激光器的深入探索,其产生的混沌激光存在两个突出问题:一是不完全随机,机器学习方法的发展和引入使混沌激光的短期预测成为可能;二是存在时延特征,暗含周期性,时延特征的泄露降低了混沌保密通信系统的密钥空间。因此,混沌激光的短期预测和时延特征提取可以成为评价混沌激光应用的安全性测试标准。针对上述想法,本文基于光子储备池计算方法,研究了外腔反馈半导体激光器的混沌激光短期预测和时延特征提取任务,同时展示了光子储备池结构参数对输出结果的影响。具体完成工作如下:（1）提出利用光子储备池计算实现混沌激光短期预测的方法。仿真实现具有外腔反馈的半导体激光器,选择其中一个参数组合,输出混沌激光时序,用于预测系统的训练和测试。仿真实现基于半导体激光器的光子储备池计算作为预测系统,通过选择合适的系统参数,光子储备池计算可以有效地预测混沌激光约2 ns的动态轨迹。此外,还研究了系统参数对预测结果的影响,包括掩模类型、虚拟节点数、训练数据长度、输入增益、反馈强度、注入强度、岭参数和泄漏率。（2）提出利用光子储备池计算实现混沌激光时延特征提取的方法。仿真实现具有外腔反馈的半导体激光器,选择不同反馈强度下的混沌激光时序建立训练数据库和测试数据库。仿真实现基于半导体激光器的光子储备池计算作为时延特征提取系统,通过合理选择系统参数,光子储备池计算基本可以实现99%以上的正确率,即使对于时延特征很弱混沌激光时序,也可以实现91%以上的正确率。对于储备池计算系统参数,主要研究了虚拟节点数对识别正确率的影响。值得一提的是,本文采用的光子储备池计算是一种新型人工神经网络,主要包含三个部分:输入层、储备池和输出层。使用前只需训练储备池与输出层的连接权重,其他连接权重随机生成后固定不变。光子储备池计算的核心思想是利用一个具有延迟反馈结构的非线性节点作为传统神经网络的中间层。与传统储备池计算相比,具有结构简单、可硬件实现的优势。半导体激光器是实现光子储备池计算的理想选择,利用半导体激光器实现信息处理将引领光子信息处理领域从传统方法向机器学习范式的转变。